本發明主要涉及到物聯網領域，特別涉及到新能源互聯網技術領域。

背景技術：

隨著能源危機的加深，大氣污染危害的加劇，人們越來越意識到新能源是未來汽車技術的主要發展方向，電動汽車由于清潔環保，高效節能而受到各國政府的關注。發展電動汽車(EV)是解決能源危機和環境污染的重要手段，近年來，中央和地方政府連續出臺了一系列補貼扶持政策，使得國內電動汽車行業發展迅猛。

隨著未來電動汽車的普及，大規模的電動汽車接入電網充電，將對電網的運行與規劃產生不可忽視的影響。特別是電動汽車的接入，將給電網帶來大規模的負荷增長、電壓下降、線路損耗增大、影響電能質量，以及三相不平衡等問題。在缺乏充電協調的情況下，將進一步加劇配網的負荷峰谷差，加重電力系統的負擔，對配電網的安全運行產生負面影響。因此，有必要對EV充電負荷進行有序協調控制。

目前主要是通過直接負荷控制或電價引導實現對V2G的協調控制，在一定程度上能夠平緩負荷曲線、減少峰谷差、提高電網的穩定性。但是這兩種控制方法比較簡單，存在如下問題：1)忽略了用戶的主觀意愿，實際的充電調度結果用戶可能難以接受，從而無法有效地對EV進行調度；2)沒有對用戶的充電行為進行適當合理的控制，很可能在低價時段帶來新的負荷高峰；3)這種管理方式是集中控制模式，隨著EV規模的增加，其計算量、通信開銷、帶寬將迅速增加，此時集中控制方式不再適用。故此，亟需一種有效的分布式有序充電控制方法，降低計算規模，減低通信，提高用戶參與的積極性。基于此，設計了一種基于分布式的電動汽車有序充電控制方法。

技術實現要素：

本發明公開了一種基于分布式的電動汽車有序充電控制方法，主要應用分布式方式對電動汽車充電進行有序控制，降低了計算規模，避免了通信開銷大、帶寬需求高的現象，使充電成本最小化提高了用戶參與的積極性，平緩了配電網負荷曲線。

根據本發明應用背景，提供一種基于分布式的電動汽車有序充電控制方法，包括以下步驟：

步驟一、場景的布置以及參數的初始化設置：

1)選定某住宅小區的充電樁作為一個網絡；

2)設定充電樁網絡的控制時間區間范圍[T_S T_E]以及以dt等分區間[T_S T_E]成N段；

3)充電樁網絡的變壓器功率上限為B，工業分時電價為p，其中p^f表示高峰電價，p^d表示低谷電價；

4)所有電動汽車具有相同的最大充電負荷P_max、電池容量C、期望充滿電、充電效率η；

5)充電樁網絡服務的電動汽車數量為S；

步驟二、將充電樁網絡在t時段各傳感器采集的數據作為一組充電數據E：

1、傳感器網絡預判斷t時段接入充電樁符合要求充電的電動車：

1)傳感器網絡獲得t時段接入充電樁的每輛電動車的初始荷電狀態SOC₀；

2)每個用戶設定預期離開時間T_l；

3)計算每輛電動車從初始剩余電量到充滿電需要的最短時間1表示充滿電時的荷電狀態；

4)判斷每輛電動車停留時間是否大于最短時間，若大于則符合要求；

2、傳感器網絡獲得t時段滿足充電要求的電動車數量A；

3、傳感器網絡采集A輛車的充電數據矩陣E：

E＝[SOC₀ P_max C T_l]，

其中

步驟三、構造t時段虛擬動態分時電價p_r：

1)根據t時段配電網負荷向量L_t，由公式計算負荷率向量r_t，其中

2)根據步驟1)的負荷率向量r_t，由公式p_r＝r_t+p_t，可得虛擬動態分時電價向量p_r。

步驟四、根據步驟二的充電數據E和步驟三的虛擬動態分時電價p_r，分布式計算出充電負荷L_d：

1)初始化數據：迭代初始值k＝1，設置最高迭代次數為K，設置閾值η，λ^t，

2)根據步驟二、三，t時段充電數據E和虛擬動態分時電價p_r，通過Benders，對偶理論分布式算法計算出充電負荷L_d，步驟如下：

a)初始化數據：設定Φ的下限值LB＝-∞，上限值UB＝+∞，隨機生成0-1初始值w₀，設置固定的閾值Th；

b)根據w₀，計算出l_a，值，其中為Φ的上限函數；

c)根據l_a，計算出w₀，LB＝Φ′(w₀)，其中Φ′為Φ的下限函數；

d)判斷閾值：m＝LB/UB,若m≤Th跳至步驟b)繼續計算，否則輸出l_a并結束過程；

3)根據l_a，計算出并更新向量λ、μ、p_r：

4)判斷閾值：若最大絕對值則輸出l_a(a∈A)和L_d，否則迭代次數k＝k+1；

5)判斷迭代次數：若k≤K跳至步驟2)繼續計算，否則輸出l_a(a∈A)和L_d。

步驟五、根據步驟四得到的L_d，更新t＝t+1，L_t＝L_t+L_d。

步驟六、若t≤N,則繼續步驟二，否則結束循環，此時充電成本最小，負荷曲線較為平緩。

與現有技術相比，本方法的優點在于：

1、應用分布式方式對電動汽車進行有序充控制，能夠降低計算規模，減少計算迭代次數，避免通信開銷大、帶寬需求高的現象；

2、構造虛擬動態分時電價，使充電成本最小，提高了用戶參與有序充電的積極性，平緩了負荷曲線。

附圖說明

圖1是本發明流程圖，

圖2是分布式控制示意圖，

圖3是本發明分布式求解L_d示意圖。

具體實施方式

實施例結合附圖，本發明技術方案的具體步驟如下：

步驟1、場景的布置以及參數的初始化設置：

1)選擇某住宅小區的充電樁作為一個控制網絡和依據歷史常規負荷預測當日初始負荷L₀。

2)設定充電樁網絡的時間區間范圍為T_S＝16:00至次日T_E＝8:00以及用dt＝15min等分[16:00 8:00]為N＝64時段；

3)設定充電樁網絡的變壓器功率上限Bkw，以及工業分時電價7:00-23：00為a元/kw·h，23:00-7:00為b元/kw·h；

4)設定服務的所有電動汽車具有相同的最大充電功率P_max＝8kw，電池容量C＝40kw·h，期望充滿電，充電效率η＝0.9；

5)充電樁網絡服務的電動汽車數量為S＝50；

步驟2、輸入t時段充電數據E：

1)傳感器網絡預判斷t時段接入充電樁符合要求充電的電動車；

2)傳感器網絡獲得t時段符合要求充電的電動車數量A；

3)傳感器網絡采集A輛車的初始化充電數據E：

E＝[SOC₀ P_max C T_l],

其中

步驟3、構造t時段虛擬動態分時電價向量p_r：

1)根據t時段配電網負荷向量L_t，由公式計算出負荷率向量r_t；

2)根據步驟1)的負荷率向量r_t，由公式p_r＝r_t+p_t，可得虛擬動態分時電價p_r。

步驟4、計算出t時刻內電動汽車充電負荷L_d：

1)初始化數據：迭代初始值k＝1，設置最高迭代次數為K＝300，設置閾值η＝0.001，λ^t，

2)根據步驟2、3，t時刻的充電數據E和虛擬動態分時電價p_r，通過Benders，對偶理論分布式算法計算出充電負荷L_d，步驟如下；

a)初始化數據：設定Φ的下限值LB＝-∞，上限值UB＝+∞，隨機生成0-1初始值w₀，設置固定的閾值Th＝0.99；

b)根據w₀，計算出l_a，值，其中為Φ的上限函數；

c)根據l_a，計算出w₀，LB＝Φ′(w₀)，其中Φ′為Φ的下限函數；

d)判斷閾值：m＝LB/UB,若m≤Th跳至步驟b)繼續計算，否則輸出l_a并結束過程；

3)根據l_a，計算出并更新向量λ、μ、p_r：

4)判斷閾值：若最大絕對值則輸出l_a(a∈A)和L_d，否則迭代次數k＝k+1；

5)判斷迭代次數：若k≤K跳至步驟2)繼續計算，否則輸出l_a(a∈A)和L_d。步驟

5、根據步驟四得到的L_d，更新t＝t+1，L_t＝L_t+L_d。

步驟6、若,則繼續步驟2，否則結束循環，此時控制時間范圍內電動汽車用戶總充電成本最小，負荷曲線較為平緩。